摘要：随着无线通信技术的迅速发展和无线业务需求的不断增长,频谱资源匮乏问题日益严重。同时,传统的固定分配方式造成频谱资源的极大浪费。认知无线电(Cognitive Radio:CR)可动态利用频谱,是解决频谱资源不足,提高频谱利用率的一个有效途径。频谱检测技术是CR的关键技术之一。MAC层频谱检测主要用于控制物理层频谱检测算法的执行。由于物理层频谱检测受设备和成本等因素的限制,因此需通过MAC层算法来提高检测的可靠度和有效性。本文选题来源于国家高技术研究发展计划(863国家重大专项),主要探讨CR中的MAC层频谱检测技术。本文基于认知无线电及其频谱检测技术的原理,深入研究了认知无线电MAC层频谱检测算法。首先将信道建模为ON/OFF状态交替分布的更新过程,结合漏检概率和中断概率,以最大化地发现可利用机会为目标,对检测周期优化算法(OSP)进行了详细的推导,并提出了基于观察窗的检测周期时变优化算法(TOSP),以跟踪信道随时间的变化。MATLAB仿真显示与检测周期固定的参考方案相比,检测周期优化算法OSP可以最大地发现可用频谱机会,提高检测效率,但算法的复杂度大于参考方案。检测周期时变优化算法TOSP能一定程度上跟踪信道随时间的变化,但算法的复杂度大大增加,且需要进一步研究观察窗的长度如何选取。本文又对随机检测算法(RSS)、信道利用率升序检测算法(CUSS)和下一时刻信道空闲率降序检测算法(OPSS)的原理进行了详细的介绍。仿真表明OPSS能有效减小平均切换时延(ASL),但其切换次数(M)很多。在综合考虑平均切换时延和切换次数的基础上,提出了下一时刻信道空闲率和剩余空闲时间联合排序检测算法(OPRTSS)。研究了重检等待时间(Tr)对各算法性能的影响。大量的仿真显示OPRTSS算法的切换次数比OPSS算法小,但平均切换时延有所上升,另外,选取合适的Tr有助于减小系统开销。